Prestationsbedömningar är en skenmanöver – och varför det aldrig varit viktigare att förstå varför

AI:s framfart sätter fingret på ett hundraårigt problem

Om AI kan skriva våra mejl, analysera data och generera kod, då presterar maskiner bättre än människor på nästan alla de mått vi mäter idag: hastighet, produktivitet och genomförande. Men till vilket pris? En ny studie visar att AI kan hjälpa oss utföra 12 procent mer arbete 25 procent snabbare – men ger fel svar 19 procent av gångerna. Det är en avgörande insikt. Vi optimerar för flöde, men accepterar tyst en växande felfrekvens.

Om vi värderar rörelse framför riktning, är vi som figuren i tecknade serier som springer snabbare och snabbare – bara för att upptäcka för sent att marken under oss har försvunnit.

AI och mänsklig intelligens är fundamentalt olika

Trots sitt namn är AI recursivt. Precis som "sociala medier" inte alls är sociala, bygger AI på att hitta mönster i det som redan existerar, optimera det som redan gjorts och accelerera det som redan beslutats. Det är kraftfullt – AI kan skapa en låt utifrån din historia eller koda en enkel webbplats åt dig. Men det kan inte föreställa sig det som ännu inte existerar. Det kan inte ifrågasätta. Det kan inte känna empati. Det kan inte avgöra när ett beslut saknar integritet. Människor kan.

Vi människor bearbetar inte bara världen – vi skapar nya versioner av den. Vi tar ett problem ingen har löst, sitter med dess motsägelser och brottas tillräckligt länge för att skapa något som andra missat. Denna skapande förmåga – att föreställa sig, inte bara reproducera – är det som driver varje betydande innovation. Och det är precis det som våra ledningssystem aldrig lärt sig att se.

Prestationsbedömningar har aldrig handlat om utveckling

Problemet är inte nytt. Det är hundra år gammalt – och AI:s framväxt har plötsligt gjort det till en kris. I början av 1900-talet introducerade Frederick Taylor vetenskaplig ledning: idén att mänskligt arbete kunde och borde standardiseras, mätas och optimeras som vilken industriell insats som helst. Människor var insatser. Effektivitet var resultatet.

Snart formaliserade den amerikanska armén rankingsystem för att jämföra soldater – ett verktyg för hierarki, inte utveckling. När krigen tog slut tog företagen över både logiken och formen. På 1950-talet var den årliga prestationsbedömningen en självklarhet i företagsvärlden. Inte för att den utvecklade människor, idéer eller innovationer, utan för att den sorterade, rankade och bedömde.

Sedan kom Jack Welch. På GE gjorde han systemet till en institution: de bästa 20 procenten belönades kraftigt, medan de sämsta 10 procenten fick sparken – varje år, med flit. Det som spreds över världens företag var inte bara en metod, utan en premiss: att människor är till för att rankas, inte för att kopplas samman.

Det mest uppseendeväckande? Rankningsystemet handlade aldrig om att förbättra prestationer. Welch använde det för att skapa en bild för aktieägarna – ett verktyg för att skära ner personal, bland annat. Systemet var aldrig designat för att främja tillväxt, utan för att upprätthålla kontroll.

Varför det här aldrig varit viktigare

I en värld där AI snabbt tar över repetitiva uppgifter, blir det avgörande att förstå vad som verkligen skapar värde. Prestationsbedömningar har aldrig mätt kreativitet, innovation eller mänsklig förmåga att lösa komplexa problem. De har mätt lydnad, anpassning och snabbhet – egenskaper som AI nu överträffar.

Om vi fortsätter att bedöma människor efter samma måttstock som maskiner, riskerar vi att förlora det som gör oss unika. Det är dags att ompröva hur vi mäter prestation – innan vi springer vidare mot en framtid utan mark under fötterna.

"Vi optimerar för flöde, men accepterar tyst en växande felfrekvens. Om vi värderar rörelse framför riktning, är vi som figuren i tecknade serier som springer snabbare och snabbare – bara för att upptäcka för sent att marken under oss har försvunnit."